2025-07-24
🕘 09:00–09:30 น.
Part 1: บทนำสู่ปัญญาประดิษฐ์
ปัญญาประดิษฐ์คืออะไร
ประเภทของ AI
Generative AI: What It Is and Why It Matters
🕘 09:30 - 10:30 น.
Part 2: เริ่มใช้ Generative AI และ Prompt101
แนะนำ ChatGPT
ปัญหา Hallucination และ ปัจจัยที่มีผลต่อความถูกต้องของผลลัพธ์
Prompt Design
🕘 10:45 - 11:15 น.
Part 3: แนะนำ Generative AI สำหรับงานด้านนิติศาสตร์
ภาพรวมเครื่องมือ Gen AI สำหรับงานด้านนิติศาสตร์
แนะนำเครื่องมือสำคัญและตัวอย่างการใช้งาน
AI Usage Framework
🕘 11:15 - 12:00 น.
Part 4: LLMs vs AI Workflows vs AI Agents
LLMs & Workflows & Agents
ตัวอย่างกรณีศึกษา
🕘 13:00 - 14:45 น.
Workshop 1:
🕘 13:45 - 14:45 น.
Workshop 2:
🕘 15:00 - 16:00 น.
Workshop 3:
AI & Data-Driven → Accelerated Discovery
สาขาวิชา (Discipline) : AI เป็นสาขาวิชาหนึ่งในวิทยาการคอมพิวเตอร์ที่มุ่งเน้นศึกษาและพัฒนาวิธีการ/ทฤษฎีเพื่อสร้างโปรแกรม/เครื่องจักรที่สามารถเลียนแบบความสามารถของสมองมนุษย์
การเรียนรู้ (learning)
การให้เหตุผล (reasoning)
การรับรู้ (perception)
การแก้ปัญหา (problem solving)
การปรับตัว (adaption)
“Using two types of neural network - mathematical systems for identifying patterns in images or data - the Al system quickly learnt to identify ten features of eye disease from highly complex optical coherence tomography (OCT) scans. The system was then able to recommend a referral decision based on the most urgent conditions detected.” … “Al was able to make the right referral recommendation more than 94% of the time …”
Diabetic Retinopathy
Age-related Macular Degeneration
Glaucoma
Retinal Detachment
Optic Neuropathy
https://www.ucl.ac.uk/ioo/news/2018/aug/artificial-intelligence-equal-experts-detecting-eye-diseases (2018)
https://knihovna.utb.cz/en/services/tools/grammarly/
สิวะโชติ และคณะ (2568)
Srisuttiyakorn et al. (2024)
วิเคราะห์ร่องรอยความรู้
ทำนายแนวโน้มความรู้ในอนาคตจากร่องรอยความรู้ในปัจจุบัน
AI chatbot ที่ออกแบบมาเพื่อเป็น “copilot” ด้านสุขภาพจิต
ใช้แนวทางของ CBT (Cognitive Behavioral Therapy) หรือ “การบำบัดทางความคิดและพฤติกรรม”
ติดตามสุขภาพจิตอย่างต่อเนื่อง
https://woebothealth.com/(2025)
https://www.youper.ai/how-it-works
Generative AI คือระบบปัญญาประดิษฐ์ที่สามารถสร้างข้อมูลใหม่ เช่น ข้อความ รูปภาพ เสียง โค้ด หรือวิดีโอ โดยอิงจากรูปแบบ (patterns) และโครงสร้าง (structures) ที่เรียนรู้จากข้อมูลจำนวนมาก
กระบวนการสร้างไม่ได้เกิดจากการสุ่ม แต่เป็นการ คำนวณทางสถิติ
เพื่อหา “ผลลัพธ์ที่มีความเป็นไปได้สูงสุด” ภายใต้บริบทที่กำหนด
การสร้างเนื้อหาต้องอาศัย:
ผลลัพธ์ที่ได้จึงไม่ใช่ “ของใหม่โดยสมบูรณ์” (original content) แต่เป็นการจัดเรียงองค์ประกอบใหม่ตามความน่าจะเป็นของการเกิดร่วมกันของคำหรือพิกเซล ที่ คล้ายคลึงกับสิ่งที่เคยเรียนรู้มา แต่มีความยืดหยุ่นและสร้างสรรค์เพียงพอที่จะใช้งานในหลากหลายบริบท และตรงตามวัตถุประสงค์
สถานการณ์ : ผู้เช่าได้ย้ายออกจากคอนโดตามสัญญาเช่าแล้ว แต่เจ้าของห้อง (ผู้ให้เช่า) แจ้งว่าจะไม่คืนเงินประกันจำนวน 15,000 บาท โดยอ้างว่าต้องนำไปซ่อมแซมห้อง
“ผมเป็นผู้เช่าได้ย้ายออกจากคอนโดตามสัญญาเช่าแล้ว แต่เจ้าของห้อง (ผู้ให้เช่า) แจ้งมาว่าจะไม่คืนเงินประกันจำนวน 15,000 บาท โดยอ้างว่าต้องนำไปซ่อมแซมห้อง แบบนี้ผิดกฎหมายมั้ย ไม่คืนได้หรอ??”
ในฐานะที่ปรึกษากฎหมาย ช่วยวิเคราะห์สถานการณ์และให้คำแนะนำตามกฎหมายไทย
ข้อเท็จจริง:
ทำสัญญาเช่าคอนโด 1 ปี สิ้นสุดวันที่ 30 มิถุนายน 2568 วางเงินประกัน 15,000 บาท
ย้ายออกและส่งมอบห้องคืนในสภาพเรียบร้อยเมื่อวันที่ 30 มิถุนายน 2568
วันนี้ (31 กรกฎาคม 2568) เจ้าของห้องแจ้งผ่าน LINE ว่าจะยึดเงินประกันทั้งหมด 15,000 บาท เพื่อเป็นค่าทาสีผนังใหม่ และค่าล้างแอร์ ซึ่งรายการเหล่านี้ไม่ได้ระบุว่าเป็นความเสียหายที่ผู้เช่าต้องรับผิดชอบในสัญญา
สิ่งที่ต้องการ: สิทธิของผู้เช่าตามกฎหมายในกรณีนี้มีอะไรบ้าง?
การกระทำของเจ้าของห้องขัดต่อกฎหมายหรือไม่ อย่างไร?
ขั้นตอนที่ควรดำเนินการต่อไปควรเป็นอย่างไรบ้าง (เรียงลำดับจากง่ายไปยาก)
โปรดอ้างอิงตัวบทกฎหมายที่เกี่ยวข้อง เช่น ประกาศคณะกรรมการว่าด้วยสัญญาฯ
AI hallucination หมายถึงกรณีที่ระบบปัญญาประดิษฐ์ (AI) สร้างเนื้อหาหรือคำตอบที่ ไม่ได้อิงจากข้อมูลจริงหรือข้อมูลที่ได้รับมา ซึ่งอาจทำให้ AI สร้างข้อมูลที่ไม่ถูกต้อง นำไปสู่ความเข้าใจผิด หรือแต่งขึ้นทั้งหมด ซึ่งอาจก่อให้เกิดปัญหาในหลายบริบทของการใช้งาน
สร้างข้อมูลเท็จโดยสิ้นเชิง (total fabrication) – สร้างแก่นของเรื่องราวที่ไม่มีอยู่จริงขึ้นมาทั้งหมด เช่น อ้างอิงหลักฐานข้อมูลผิด ให้เหตุผลผิด นำไปสู่การสร้างข้อสรุปผิด
ผสมผสานระหว่างข้อมูลจริงและเท็จ (mixing true & false) – หลักการโดยรวมถูกต้อง แต่อาจยกตัวอย่างหรือหลักฐานข้อมูลประกอบที่ไม่มีอยู่จริง
สรุปความเกินจริง (faulty inference) – ข้อมูลตั้งต้นถูก แต่ข้อสรุปตีความเกินขอบเขตการอ้างอิงของข้อมูล
Model
พื้นความรู้เดิม (Knowledge Base) โมเดลถูก train มาด้วยข้อมูลอะไรบ้าง สิ้นสุด ณ ตอนไหน มีความเป็นปัจจุบันมากน้อยแค่ไหน
สถาปัตยกรรมของโมเดล
ขนาดและความสามารถในการให้เหตุผล โมเดลขนาดใหญ่มักมีความสามารถในการคิดเชิงเหตุผล หรือคิดในปัญหาซับซ้อนได้ดีกว่า
การปรับจูนเฉพาะทาง (Fine-tuning) ช่วยให้โมเดลเข้าใจบริบทเฉพาะทางได้ดีขึ้น
Prompt
กระบวนการกระตุ้นเพื่อให้ LLM แสดงผลลัพธ์ตามที่ต้องการ
Prompt ชัดเจน ไม่กำกวม และบอกสิ่งที่ต้องการอย่างละเอียด จะได้ผลลัพธ์ที่ดีกว่า
เทคนิคการ Prompt ที่แตกต่างกันอาจให้ผลลัพธ์แตกต่างกันไปด้วย (อาจไม่จริงเสมอไปโดยเฉพาะกับโมเดลขนาดใหญ่ที่มีประสิทธิภาพสูง เช่น gpt-o1, gpt-o3)
Context
ข้อมูลแวดล้อมที่ป้อนเข้าไปพร้อมกับ Prompt เช่น เนื้อหาจากเอกสาร, บทสนทนาก่อนหน้า, หรือข้อมูลเฉพาะที่โมเดลไม่เคยรู้มาก่อน
กระบวนการจัดหา Context ที่ถูกต้องก็เป็นปัจจัยที่มีผลด้วย
“คุณภาพของ prompt ส่งผลต่อคุณภาพของผลลัพธ์”
Basic Prompting
Zero-Shot Prompting
One-Shot Prompting
Few-Shot Prompting
Advance Prompting
Chain-of-Thought
Constitutional Prompting
Template Design
เจ้าของหอพักเข้าห้องผู้เช่าโดยไม่แจ้งล่วงหน้า และนำทรัพย์สินของผู้เช่าออกไป ขอให้สรุปประเด็นข้อกฎหมายที่ต้องวินิจฉัย
ตัวอย่าง: ภาษากฎหมาย: ผู้ใดลักทรัพย์ผู้อื่น ต้องระวางโทษจำคุกไม่เกินสามปี หรือปรับไม่เกินหกหมื่นบาท หรือทั้งจำทั้งปรับ
ภาษาชาวบ้าน: ถ้าใครขโมยของคนอื่น อาจติดคุกไม่เกิน 3 ปี หรือโดนปรับไม่เกิน 60,000 บาท หรือทั้งติดคุกทั้งโดนปรับ
ภาษากฎหมาย: ผู้ให้เช่าต้องส่งมอบทรัพย์ให้ผู้เช่าตามที่ตกลงกันไว้
ภาษาชาวบ้าน:…
แปลงข้อความทางกฎหมายให้เป็นภาษาที่ประชาชนเข้าใจง่าย
ตัวอย่างที่ 1:
สถานการณ์: นาย ก. ขโมยโทรศัพท์จากกระเป๋าของนาย ข.
กฎหมายที่เกี่ยวข้อง: ประมวลกฎหมายอาญา มาตรา 334 (ลักทรัพย์)
ตัวอย่างที่ 2:
สถานการณ์: นางสาว ค. ปลอมลายเซ็นในเช็คเงินสดเพื่อเบิกเงิน
กฎหมายที่เกี่ยวข้อง: ประมวลกฎหมายอาญา มาตรา 264 (ปลอมเอกสาร)
สถานการณ์ใหม่:
นาย ง. ทำร้ายร่างกายนาย จ. จนได้รับบาดเจ็บสาหัส
กฎหมายที่เกี่ยวข้อง:
ระบุหมวดกฎหมายหรือมาตราที่เกี่ยวข้องในประมวลกฎหมายอาญา
Chain-of-Thought Prompting คือเทคนิคการออกแบบ prompt ที่ให้โมเดลภาษารู้จักการคิดแบบมีเหตุผลเป็นขั้นเป็นตอน หรือแสดงวิธีคิด/วิธีทำออกมาก่อนจะสรุปเป็นคำถามสุดท้าย (step-by-step reasoning)
แทนที่จะให้โมเดลตอบทันที…
ใช้ prompt กระตุ้นให้โมเดลแจกแจงกระบวนการคิด การให้เหตุผล วิธีการคำนวณ หรือการดำเนินงานเพื่อนำไปสู่ผลลัพธ์ออกมาทีละขั้น
ลดปัญหา Hallucination
เพิ่มความโปร่งใส คุณภาพคำตอบดีขึ้น
สอดคล้องกับหลักการ Human in the Loop/Human Center Mindset
สถานการณ์
เมื่อวันที่ 10 พฤศจิกายน 2560 นายโมทย์ นายสมคิด และพวกรวม 10 คน ได้ประชุมวางแผนให้นายโมทย์ใช้ลูกระเบิดชนิดสังหารขว้างใส่ห้องแถวไม้ 2 ชั้นของนายขุน โดยชั้นล่างเปิดเป็นร้านขายของ และชั้นบนเป็นที่พักอาศัยของนายขุนและครอบครัว แต่เกิดอุปสรรคจึงได้ยกเลิกแผนการ
ต่อมาในวันที่ 12 พฤศจิกายน 2560 นายโมทย์และพวกรวม 9 คน ได้นัดประชุมวางแผนอีกครั้ง โดยในครั้งนี้นายสมคิดไม่ได้เข้าร่วมประชุมด้วย
เมื่อประชุมเสร็จแล้ว นายโมทย์จึงเดินทางไปที่บ้านของนายขุน เมื่อถึงบ้าน นายโมทย์เห็นนายขุนและครอบครัวทุกคนขับรถออกจากบ้านไป หลังจากนั้นประมาณ 10 นาที นายโมทย์จึงใช้ลูกระเบิดชนิดสังหารขว้างใส่ห้องแถวไม้ของนายขุน เป็นเหตุให้ฝาบ้าน ประตูบ้าน และกระจกช่องลม ซึ่งเป็นส่วนหนึ่งของตัวบ้าน ได้รับความเสียหายจากแรงระเบิด
สิบตำรวจเอกดำรง และดาบตำรวจอิทธิพล ซึ่งพบเห็นการกระทำความผิดของนายโมทย์ จึงเข้าจับกุมและนำส่งพนักงานสอบสวน โดยทั้งสองนายเดินขนาบข้างและคล้องแขนนายโมทย์ไว้คนละข้าง
ระหว่างทาง นายศึกษากับพวกประมาณ 10 ถึง 15 คน ซึ่งเป็นเพื่อนของนายโมทย์ ได้เข้ามาแย่งตัวนายโมทย์ โดยนายศึกษาดึงตัวนายโมทย์ และใช้เท้าถีบสิบตำรวจเอกดำรง และดาบตำรวจอิทธิพล ขณะเดียวกัน นายโมทย์พยายามดิ้นรนเพื่อให้พ้นจากการถูกควบคุมตัว เป็นเหตุให้เท้าของนายโมทย์ไปถูกสิบตำรวจเอกดำรง และดาบตำรวจอิทธิพล
Zero-Shot Prompting
ให้วินิจฉัยว่า นายโมทย์ นายสมคิด และนายศึกษา มีความผิดตามประมวลกฎหมายอาญาฐานใดหรือไม่?
Single-Turn CoT
นายโมทย์ มีความผิดตามประมวลกฎหมายอาญาฐานใดหรือไม่ ช่วยอธิบายเหตุผลด้วย
ผลลัพธ์ที่ได้เป็นอย่างไร? แตกต่างกันหรือไม่?
CoT ไม่จำเป็นต้องดำเนินการจบใน prompt เดียว ผู้ใช้สามารถออกแบบป้อน prompt หลาย ๆ รายการ อย่างเป็นลำดับ
ได้ร่วมคิดไปกับโมเดล เห็นกระบวนการคิดระหว่างทาง (สอดคล้องกับ concept explainable AI)
สามารถให้ feedback หรือให้ข้อมูลใหม่แต่โมเดลได้ระหว่างกระบวนการคิด
1. วิเคราะห์พฤติกรรมของ “นายโมทย์”
(1.1) พฤติกรรมที่เกิดขึ้น:
– ขว้างลูกระเบิดใส่ห้องแถวไม้ของนายขุน
– ทำให้ทรัพย์สินเสียหาย เช่น ฝาบ้าน ประตูบ้าน กระจก
(1.2) ข้อเท็จจริง:
– บ้านเป็นอาคาร 2 ชั้น ซึ่งชั้นบนใช้เป็นที่อยู่อาศัยของเจ้าของบ้านและครอบครัว
– แม้ไม่มีคนอยู่ขณะเกิดเหตุ แต่โดยสภาพถือว่าเป็นอาคารที่มีคนอยู่อาศัย
(1.3) วิเคราะห์กฎหมายที่เกี่ยวข้อง:
- มาตรา 218(2): วางเพลิงหรือทำให้เกิดระเบิดแก่ทรัพย์ในอาคารที่คนอาศัยอยู่ → มีความผิด
- มาตรา 358: ทำให้เสียทรัพย์
- มาตรา 138 วรรคสอง: ต่อสู้ขัดขวางเจ้าพนักงาน โดยใช้กำลังระหว่างถูกจับกุม
(1.4) สรุปความผิดของนายโมทย์ พร้อมอธิบายเหตุผล
ผลลัพธ์ที่ได้เป็นอย่างไร แตกต่างกันหรือไม่?
ContractPodAI แนะนำกรอบแนวคิด ABCDE
โปรดทำตัวเป็น ผู้พิพากษาศาลชั้นต้นที่มีประสบการณ์ในคดีอาญา
พิจารณาคดีที่จำเลยคือ นายโมทย์ ได้ขว้างระเบิดใส่อาคารไม้ 2 ชั้นของนายขุน และต่อสู้เจ้าหน้าที่ขณะถูกจับกุม คดีมีบุคคลอื่นที่เกี่ยวข้องคือ นายสมคิด ผู้ร่วมประชุมวางแผนครั้งแรก และ นายศึกษา ผู้เข้าช่วยเหลือให้หลบหนี
กรุณาร่าง คำพิพากษาแบบเป็นทางการสำหรับนายโมทย์ โดยอิงจากข้อสรุปข้างต้น และแยกพิเคราะห์พฤติกรรมและความผิดอย่างเป็นระบบ
ขอให้ใช้รูปแบบคำพิพากษาศาล ได้แก่:
ข้อเท็จจริงที่รับฟังได้
ปัญหาที่ต้องวินิจฉัย
เหตุผลของศาลโดยอ้างกฎหมาย
คำพิพากษา
กรุณาใช้ ภาษากฎหมายที่เหมาะสม มีความชัดเจน ไม่ใช้ภาษาพลเรือนทั่วไป และ อ้างบทกฎหมายอาญาที่เกี่ยวข้อง เช่น มาตรา 218, 138, 189 คำพิพากษาควรเป็นกลาง, มีเหตุผลรองรับข้อวินิจฉัย และ ไม่นำเสนอความเห็นส่วนตัวเกินจำเป็น
ไม่มีเครื่องมือใดที่ดีที่สุดสำหรับทุกงาน การเลือกใช้ให้ถูกประเภทคือหัวใจสำคัญ
กลุ่มที่ 1: โมเดลภาษาอเนกประสงค์ (General-Purpose LLMs) เป็น AI ที่มีความสามารถทางภาษาและตรรกะสูง เหมาะกับงานที่ต้องการ “การคิด” วิเคราะห์ และสังเคราะห์ข้อมูล
กลุ่มที่ 2: AI เพื่อการสืบค้น (AI for Research) เป็น AI ที่เน้นการค้นหาข้อมูลล่าสุดจากอินเทอร์เน็ต พร้อมแสดงแหล่งอ้างอิงเพื่อการตรวจสอบย้อนกลับ
Chatgpt/Claude/Gemini
กลุ่มที่ 3: ผู้ช่วยจัดการความรู้ (Knowledge Assistant) เป็น AI ที่ทำงานกับเอกสารส่วนตัวจำนวนมากที่เราป้อนเข้าไป เพื่อช่วยสกัดและเชื่อมโยงข้อมูล
https://creatoreconomy.so/p/chatgpt-vs-claude-vs-gemini-the-best-ai-model-for-each-use-case-2025
สืบค้น/สรุปข้อมูลแบบ real-time พร้อมให้แหล่งอ้างอิง (citation)
สามารถเลือก/ระบุแหล่งข้อมูลที่ต้องการค้นหา
ระบบช่วยค้นหาเชิงลึกแบบต่อเนื่องด้วย Copilot Mode
สืบค้น/สรุปข้อมูลแบบ real-time พร้อมให้แหล่งอ้างอิง (citation)
สามารถเลือก/ระบุแหล่งข้อมูลที่ต้องการค้นหา
ระบบช่วยค้นหาเชิงลึกแบบต่อเนื่องด้วย Copilot Mode
สืบค้น/สรุปข้อมูลแบบ real-time พร้อมให้แหล่งอ้างอิง (citation)
สามารถเลือก/ระบุแหล่งข้อมูลที่ต้องการค้นหา
ระบบช่วยค้นหาเชิงลึกแบบต่อเนื่องด้วย Copilot Mode
การใช้งานในบริบทวิชาการ ตัวอย่าง Prompt เช่น “บทความวิชาการ/งานวิจัยเกี่ยวกับ AI ในงานนิติศาสตร์”
การติดตามประเด็นที่น่าสนใจจากคำตอบ
การบันทึกและแชร์ข้อมูล
https://www.klippa.com/en/blog/information/human-in-the-loop/
โมเดลภาษาขนาดใหญ่ที่เป็นพื้นฐานของแอปพลิเคชัน AI เช่น ChatGPT, Google Gemini และ Claude
เก่งมากในงานด้านภาษา : แปล สรุป แก้ไข สร้างเนื้อหาใหม่ …
มีภูมิความรู้จำกัด ขึ้นอยู่กับ pre-trained data ไม่ทราบข้อมูลเฉพาะบุคคลหรือบริบทต่าง ๆ ของงาน/องค์กร
การทำงานเป็นแบบ passive ตอบสนองเฉพาะคำสั่งและข้อมูลที่ได้รับ ไม่สามารถตัดสินใจหรือวางแผนการดำเนินงานได้เอง
ต่อยอดจาก LLMs โดยกำหนดเส้นทาง/กระบวนการทำงานเอาไว้ล่วงหน้า (โดยมนุษย์) เรียกกระบวนการนี้ว่า Workflow
ภายใน Workflow นี้ LLM สามารถเข้าถึงและดึงข้อมูลจากเครื่องมือภายนอก เช่น ค้นหาข้อมูลใน google calendar, weather API, calculator, databases, …
ข้อจำกัดของ Workflow คือไม่สามารถทำงานนอกเหนือจากเส้นทางที่กำหนด
วิธีที่ง่ายที่สุดและไม่ต้องเขียนโค้ดเลย เหมาะสำหรับการทำงานเป็นครั้งคราว
ให้ผู้ใช้ทำหน้าที่เป็นผู้ควบคุม (orchestrator) เอง
กำหนดเป้าหมาย
กำหนดกระบวนการทำงาน
มอบหมายงานให้ LLM แต่ละตัวทำอย่างเหมาะสมภายในกระบวนการ
ส่งต่อ input/output ให้กับ LLM ตามกระบวนการที่กำหนด
ประเมินผลลัพธ์
เป้าหมาย : ร่างหลักการและเหตุผล ข้อเสนอโครงการพัฒนาระบบบริหารจัดการคดีดิจิทัล
ข้อมูลที่ใช้ในการทำงาน
ความคิดเห็นจาก stakeholder
ยุทธศาสตร์ศาลยุติธรรม TRUST
แผนพัฒนาดิจิทัล
Literature เกี่ยวกับระบบศาลดิจิทัลหรือระบบที่เกี่ยวข้องในต่างประเทศ
กระบวนการทำงาน : หาและเก็บรวบรวมข้อมูล –> วิเคราะห์/สังเคราะห์ข้อมูล –> ร่างหลักการและเหตุผล (สภาพที่คาดหวัง + สภาพปัจจุบัน + Gap analysis …)
ข้อจำกัดของ Workflow คือไม่สามารถทำงานนอกเหนือจากเส้นทางที่กำหนด
นำ LLM เข้ามาแทนที่มนุษย์ในฐานะผู้ควบคุม/ตัดสินใจกระบวนการทำงานทั้งหมด
มนุษย์มีบทบาทแค่บอกเป้าหมาย/ผลลัพธ์ที่อยากได้เท่านั้น ที่เหลือ AI Agent จะทำการคิดให้เหตุผล ดำเนินการและควบคุมการดำเนินการจนบรรลุเป้าหมายเอง
แนวคิดหลักที่นำมาพัฒนา AI Agent เรียกว่า React Framework
คุณสมบัติสำคัญของ AI Agents
ตั้งเป้าหมายได้เอง
ตัดสินใจและวางแผน
ทำงานหลายขั้นตอนอัตโนมัติ
มีความต่อเนื่อง
สามารถเชื่อมต่อเครื่องมือหรือแหล่งข้อมูลภายนอก
Claude + Extended Thinking + Connectors
| ประเด็น | LLM | AI Workflow | AI Agent |
|---|---|---|---|
| การเข้าถึงข้อมูล | ไม่มีการดึงข้อมูลภายนอก | ดึงข้อมูลจากเครื่องมือภายนอกตามเส้นทางที่กำหนด | ดึงข้อมูลจากหลายแหล่งและเลือกเครื่องมือที่เหมาะสม |
| ผู้ตัดสินใจ | มนุษย์ให้ prompt และเลือกใช้ผลลัพธ์ | มนุษย์กำหนดลำดับงานและปรับแก้ | โมเดลตัดสินใจเองด้วย reasoning & planning |
| รูปแบบการทำงาน | ตอบสนองแบบรายครั้ง | ทำตาม control logic ที่กำหนดไว้ | วางแผน → ลงมือ → สังเกตและวนซ้ำ (ReAct) |
| ความสามารถในการปรับตัว | ต่ำ – ไม่ปรับตามบริบท | จำกัดตามเส้นทางที่กำหนด | สูง – ปรับวิธีแก้ปัญหาได้ตามบริบท |
| เหมาะกับ | การสร้าง/สรุปข้อความทั่วไป | งานซ้ำ ๆ ที่ชัดเจน RAG | งานซับซ้อน ข้อมูลไม่แน่นอน ต้องการตัดสินใจหลายขั้น |
Siwachoat Srisuttiyakorn, et.al
Faculty of Education Chulalongkorn University